مروی بر الگوریتم‌های انجمن‌یابی در شبکه‌های چندلایه؛ روش‌های سنتی و یادگیری عمیق

یک انجمن در شبکه‌ها، معمولاً به عنوان گروهی از گره‌ها در نظر گرفته می‏شود که ارتباط بیشتری بین اعضای خود نسبت به دیگر اعضای شبکه دارد. الگوریتم‏های انجمن‌یابی ابزاری اساسی هستند که به ما امکان می دهند اصول سازمانی را در شبکه‌ها کشف کنیم. امروزه با رشد روزافزون داده‌ها و پیچیده‌ شدن ساختار آنها، داده‌ها به صورت شبکه‌های چندلایه مدل‌سازی می‌شوند. انجمن‌یابی در شبکه‌های چندلایه یکی از مسائل کلیدی در حوزه پردازش داده است. در پژوهش حاضر بیش از 50 الگوریتم انجمن‌یابی مختص شبکه‌های چندلایه مورد بررسی قرار گرفته است. ما این روش‌ها را در دو دسته اصلی روش‌های سنتی و روش‌های یادگیری عمیق بررسی کرده‌ایم. پس از بررسی کامل روش‌ها، با توجه به مزیت‌ها و معایب آنها چالش‌های اصلی در این حوزه شناسایی شده است. کشف جوامع در شبکه‌های چندلایه جهت‌دار، یافتن انجمن‌های همپوشان در شبکه‌های پویا و ارائه الگوریتم‌های مقیاس‌پذیر از جمله مهمترین چالش‌های شناسایی شده در این حوزه بوده است. با توجه به این چالش‌ها پیشنهاداتی جهت توسعه روش‌هایی برای برطرف کردن معایب الگوریتم‌های حاضر ارائه شده است.

review community detection algorithms in multilayer networks; traditional methods and deep learning

a community in networks is usually considered as a group of nodes that are more connected among their members than other members of the network. community detection algorithms are fundamental tools that allow us to discover organizational principles in networks. today, with the ever increasing growth of data and the complexity of their structure, data are modeled as multilayer networks. community detection in multilayer networks is one of the key issues in the field of data processing. in this research, more than 50 community detection algorithms multilayer networks have been investigated. we have examined these methods in two main categories: traditional methods and deep learning methods. after a complete review of the methods, according to their advantages and disadvantages, the main challenges in this field have been identified. community detection in directed multilayer networks, finding overlapping communities in dynamic networks and providing scalable algorithms have been among the most important challenges identified in this field. according to these challenges, suggestions have been made to develop methods to overcome the disadvantages of the current algorithms.